Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Distributed Algorithms for Feature Extraction Off-loading in Multi-Camera Visual Sensor Networks
KTH, School of Electrical Engineering (EES), Network and Systems engineering.ORCID iD: 0000-0001-8968-3976
KTH, School of Electrical Engineering (EES), Network and Systems engineering.ORCID iD: 0000-0002-4876-0223
KTH, School of Electrical Engineering (EES), Network and Systems engineering.ORCID iD: 0000-0002-2764-8099
2017 (English)Report (Other academic)
Abstract [en]

Real-time visual analysis tasks, like tracking and recognition, require swift execution of computationally intensive algorithms. Visual sensor networks can be enabled to perform such tasks by augmenting the sensor network with processing nodes and distributing the computational burden in a way that the cameras contend for the processing nodes while trying to minimize their task completion times. In this paper, we formulate the problem of minimizing the completion time of all camera sensors as an optimization problem. We propose algorithms for fully distributed optimization, analyze the existence of equilibrium allocations, evaluate the effect of the network topology and of the video characteristics, and the benefits of central coordination. Our results demonstrate that with sufficient information available, distributed optimization can provide low completion times, moreover predictable and stable performance can be achieved with additional, sparse central coordination.

Place, publisher, year, edition, pages
2017. , 12 p.
Keyword [en]
Visual feature extraction, Sensor networks, Divisible load theory, Distributed optimization
National Category
Electrical Engineering, Electronic Engineering, Information Engineering
Identifiers
URN: urn:nbn:se:kth:diva-207092OAI: oai:DiVA.org:kth-207092DiVA: diva2:1095738
Funder
EU, FP7, Seventh Framework Programme, 296676
Note

QC 20170522

Available from: 2017-05-15 Created: 2017-05-15 Last updated: 2017-05-22Bibliographically approved
In thesis
1. Distributed Processing of Visual Features in Wireless Sensor Networks
Open this publication in new window or tab >>Distributed Processing of Visual Features in Wireless Sensor Networks
2017 (English)Licentiate thesis, comprehensive summary (Other academic)
Abstract [en]

As digital cameras are becoming both cheaper and more advanced, they are also becoming more common both as part of hand-held and consumer devices, and as dedicated surveillance devices. The still images and videos collected by these cameras can be used as input to computer vision algorithms for performing tracking, scene understanding, navigation, etc. The performance of such computer vision tasks can be improved by having multiple cameras observing the same events. However, large scale deployment of camera networks is difficult in areas without access to infrastructure for providing power and network connectivity. In this thesis we consider the use of a network of camera equipped sensor nodes as a cost efficient alternative to conventional camera networks. To overcome the computational limitations of the sensor nodes, we enhance the sensor network with dedicated processing nodes, and process images in parallel using multiple processing nodes.

In the first part of the thesis, we formulate the minimization problem of the time required from image capture until the visual features are extracted from the image. The solution to the minimization problem is an allocation of sub-areas of a captured image to a subset of the processing nodes, which perform the feature extraction. We use the temporal correlation of the image contents to predict an approximation of the distribution of visual features in a captured image. Based on the approximate distribution, we compute an approximate solution to the minimization problem using linear programming. We show that the last value predictor gives a good trade-off between performance and computational complexity.

In the second part of the thesis, we propose fully distributed algorithms for allocation of image sub-areas to the processing nodes in a multi-camera Visual Sensor Network. The algorithms differ in the amount of information available and in how allocation updates are applied. We provide analytical results on the existence of equilibrium allocations, and show that an equilibrium allocation may not be optimal. We show that fully distributed algorithms are most efficient when sensors make asynchronous changes to their allocations, and in topologies with less symmetry. However, with the addition of sparse coordination, both average and worst-case performance can be improved significantly.

Abstract [sv]

Allt eftersom digitalkameror blir både billigare och mer avancerade blir de också vanligare i handhållna enheter, i hemelektronik och som dedikerad övervakningsutrustning. Algoritmer för datorseende kan användas på stillbilderna och videoklippen som samlas in av dessa kameror för objektidentifiering, scenförståelse, navigering, mm. Genom att använda data från flera kameror som observerar samma händelser kan prestandan hos dessa datorseendealgoritmer förbättras. Utplacering av kameranätverk är emellertid svårt i områden utan tillgång till infrastruktur som kan tillhandahålla elektricitet och nätverksanslutning. I denna avhandling studerar vi nätverk av kamerautrustade sensornoder som ett kostnadseffektivt alternativ till konventionella kameranätverk. För att övervinna beräkningsbegränsningarna hos sensornoderna förstärker vi sensornätverket med dedikerade beräkningsnoder och bearbetar bilder parallellt i flera beräkningsnoder.

I den första delen av avhandlingen formulerar vi minimeringsproblemet för den tid som krävs från bildupptagning tills en representation av den visuella informationen extraheras från bilden. Lösningen till minimeringsproblemet är en fördelning av delområden av en infångad bild till en delmängd av beräkningsnoderna. Beräkningsnoderna bearbetar bilderna för att ta fram representationen av den visuella informationen. Vi använder den tidsmässiga korrelationen av bildinnehållet för att förutsäga en approximation av fördelningen av visuell information i en infångad bild. Baserat på den ungefärliga fördelningen beräknar vi en approximativ lösning på minimeringsproblemet med hjälp av linjärprogrammering. Vi visar att det går att får en bra kompromiss mellan prestanda och beräkningskomplexitet genom att använda det visuella innehållet i tidigare bildrutor för att förutsäga innehållet i kommande bildrutor.

I den andra delen av avhandlingen föreslår vi helt distribuerade algoritmer för tilldeling av delar av bilder till beräkningsnoder i ett visuellt sensornätverk. Algoritmerna skiljer sig i mängden tillgänglig information och hur uppdateringar av tilldelningar verkställs. Vi tillhandahåller analytiska resultat för förekomsten av jämviktstilldelningar och visar att en given jämviktstilldelning inte nödvändigtvis är optimal. Vi visar även att fullt distribuerade algoritmer är mest effektiva när sensornoder gör asynkrona förändringar i sina tilldelningar och i mindre symmetriska topologier. Genom att lägga till gles koordination kan prestandan förbättras avsevärt både i genomsnitt och i värsta fall.

Place, publisher, year, edition, pages
Stockholm: KTH Royal Institute of Technology, 2017. 33 p.
Series
TRITA-EE, ISSN 1653-5146 ; 2017:051
National Category
Electrical Engineering, Electronic Engineering, Information Engineering
Research subject
Electrical Engineering
Identifiers
urn:nbn:se:kth:diva-207094 (URN)978-91-7729-444-3 (ISBN)
Presentation
2017-06-12, Q2, Osquldas väg 10, Stockholm, 10:00 (English)
Opponent
Supervisors
Note

QC 20170516

Available from: 2017-05-16 Created: 2017-05-15 Last updated: 2017-05-16Bibliographically approved

Open Access in DiVA

No full text

Search in DiVA

By author/editor
Eriksson, EmilDán, GyörgyFodor, Viktoria
By organisation
Network and Systems engineering
Electrical Engineering, Electronic Engineering, Information Engineering

Search outside of DiVA

GoogleGoogle Scholar

Total: 4 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf